内置评测的 DeepSeek 原生编码 Agent — 思考可见、过程可评、记忆自进化
DSv4 思考过程实时可见
| 多工具协作 | 仪表盘 |
|---|---|
![]() |
![]() |
| 记忆自动提取 | 记忆召回 |
|---|---|
![]() |
![]() |
$ kunkun "分析 src/kunkun/core/ 的架构,输出模块依赖图"
🧠 Thinking ───────────────────────────────────────────
│ 需要先列出目录结构 → glob
│ 然后逐个文件读取核心模块 → read_file
│ 识别 import 关系,构建依赖图 → grep import
│ 输出 Mermaid 格式的依赖图
└──────────────────────────────────────────────────────
🔧 glob("src/kunkun/core/*.py") → 16 个文件
🔧 read_file("agent_loop.py") → 720 行
🔧 read_file("context.py") → 360 行
...
📊 AdaRubric 任务评测 ─────────────────────────────────
│ 搜索完整性 ████████████ 3/3
│ 分析深度 ██████████░░ 2/3
│ 输出质量 ████████████ 3/3
│ 综合 ██████████░░ 2.7/3
└──────────────────────────────────────────────────────
💾 记忆已更新: python-module-analysis-workflow
Kunkun 是唯一内置评测的编码 Agent。它在每次任务完成后,用轻模型对自己的思考过程、工具使用、输出质量进行三维度打分——不依赖人工,不需要额外工具。
DeepSeek v4 的 reasoning_content 被实时解析为 ThinkBlock,灰色斜体流式渲染。你知道模型在"想什么"——而不是等 30 秒后突然冒出一个答案。
同时内置过度思考检测:当模型陷入分析瘫痪(Analysis Paralysis)、过早放弃(Premature Disengagement)或执行流氓操作(Rogue Actions)时,系统自动记录并评分。
来自三篇论文的 prompt 工程落地:
| 评测模式 | 来源 | 做什么 |
|---|---|---|
| ThinkBlock 评测 | AgentThink 论文 | 对思考过程评分(分析瘫痪 / 流氓操作 / 过早放弃) |
| AdaRubric 任务评测 | AdaRubric 论文 | 动态生成评分维度,按维度 0-3 打分 |
| GRPO 多版本择优 | GRPO 范式 | 3 条路径并行(direct / search_first / design_first),LLM-as-Judge 择优 |
所有评测结果持久化到 .kun/evaluations.jsonl,可通过 kunkun --dashboard 生成 HTML 仪表盘查看趋势。
对话 → background_review → 自动提取记忆 → 写入 .kun/memory/
→ 自动修补 Skill → 下次会话自动加载改进后的规则
- Memory:记录"你是谁"(偏好、习惯、项目事实)
- Skill:记录"怎么干活"(编码规范、工作流规则、踩坑记录)
- Curator:自动管理 Skill 生命周期(active → stale → archived)
- on_pre_compress:上下文窗口满时,裁剪前紧急提取被丢弃消息中的关键信息
┌─────────────────────────────────────────────────────────────────┐
│ CLI 入口层 │
│ kunkun "任务" kunkun-interactive kunkun --dashboard │
│ kunkun --cron kunkun --flowforge │
├─────────────────────────────────────────────────────────────────┤
│ Harness 内核层 │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐ │
│ │ AgentLoop│ │ LLM │ │ Context │ │ EventDispatch│ │
│ │ (主循环) │ │ Client │ │ Manager │ │ Chain │ │
│ └──────────┘ └──────────┘ └──────────┘ └──────────────┘ │
│ ┌──────────┐ ┌──────────┐ ┌──────────────────────────┐ │
│ │Permission│ │ Error │ │ BackgroundReview │ │
│ │ Checker │ │ Recovery │ │ (自动反思 + 记忆提取) │ │
│ └──────────┘ └──────────┘ └──────────────────────────┘ │
├─────────────────────────────────────────────────────────────────┤
│ 服务层 │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐ │
│ │ Memory │ │ Skill │ │ Cost │ │ Thinking │ │
│ │ Manager │ │ Loader │ │ Router │ │ Evaluator │ │
│ └──────────┘ └──────────┘ └──────────┘ └──────────────┘ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐ │
│ │ Task │ │ Prompt │ │Dashboard │ │ Execution │ │
│ │ Evaluator│ │ Compiler │ │Generator │ │ Logger │ │
│ └──────────┘ └──────────┘ └──────────┘ └──────────────┘ │
├─────────────────────────────────────────────────────────────────┤
│ 扩展 & 自动化层 │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐ │
│ │ Workflow │ │ Cron │ │ MCP │ │ AgentTeam │ │
│ │ Engine │ │Scheduler │ │ Client │ │ (4角色协作) │ │
│ └──────────┘ └──────────┘ └──────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────────────────┘
设计原则:零框架依赖。Agent Loop 的本质是 while True: call LLM → tool_use? → execute → feed back——50 行能写完的逻辑不需要 500 行 LangGraph 胶水代码。
# 安装
pip install kun
# 配置
export KUN_API_KEY="sk-..."
# 单次执行
kunkun "找出所有 Python 文件并统计代码行数"
# 交互模式
kunkun-interactive
# 查看评测仪表盘
kunkun --dashboard| 变量 | 说明 | 默认值 |
|---|---|---|
KUN_API_KEY |
DeepSeek API 密钥 | — |
KUN_MODEL |
主模型 | deepseek-v4-pro |
KUN_LIGHT_MODEL |
评测/反思用轻模型 | deepseek-v4-flash |
KUN_MAX_TURNS |
最大轮次 | 50 |
KUN_WORKSPACE |
工作目录 | . |
| 工具 | 权限 | 说明 |
|---|---|---|
bash |
write | Shell 命令(危险命令自动拦截) |
read_file |
read | 文件读取(行号标注) |
write_file |
write | 文件写入/创建 |
edit |
write | 精确字符串替换 |
glob |
read | 文件模式匹配 |
grep |
read | 文件内容正则搜索 |
websearch |
read | 网页搜索 |
webfetch |
read | 网页抓取 + LLM 内容提取 |
remember |
write | 记忆/Skill 管理(支持批量 operations) |
recall |
read | 搜索已保存的记忆 |
skill_load |
read | 加载 Skill 全文 |
agent |
write | 子 Agent 并行执行 |
todowrite |
write | 任务清单跟踪 |
findsymbol |
read | 代码符号搜索 (LSP) |
gotodef |
read | 跳转定义 (LSP) |
findrefs |
read | 查找引用 (LSP) |
grpo |
write | 3 路径并行生成 + LLM 择优 |
用户说 "记住:代码用 2 空格缩进"
│
├─→ memory: "项目编码风格偏好" → .kun/memory/code-style.md
└─→ skill: "python-project" 自动修补 → skills/python-project/SKILL.md
| Memory | Skill | |
|---|---|---|
| 本质 | "是什么"(事实/偏好) | "怎么做"(约定/规范) |
| 注入 | Frozen Snapshot — 会话启动时全文注入 System Prompt | 同左 |
| 进化 | background_review 每轮自动提取 + on_pre_compress 压缩前紧急提取 |
同左,支持章节级 upsert 去重 |
| 生命周期 | 用户手动管理 + 同名冲突自动合并 | Curator 自动管理(active → stale → archived) |
预置 3 个中文 Skill:code-review · python-project · git-conventions
自定义:在 skills/ 下创建 SKILL.md,写清触发词和规范内容即可。
| 版本 | 状态 | 交付 |
|---|---|---|
| v0.1 ~ v0.9 | ✅ 已完成 | Agent Loop → 评测 → 工作流 → 自动化 |
| v0.10 | 🚧 计划中 | TUI 美化 + 桌面 GUI |
| v1.0 | 📋 规划中 | FlowForge 深度整合 + 多 Provider 架构 |
完整版本历史见 document/架构全景图.md
src/kunkun/
├── main.py # CLI 入口 (6 种模式)
├── core/ # 内核 — AgentLoop, Context, LLM, Permission, ...
├── tools/ # 17 个工具 — bash, read, write, edit, grep, web, agent, ...
├── memory/ # MemoryManager + FTS5 MessageStore
├── skills/ # SkillLoader + Curator + Usage
├── routing/ # 三层漏斗成本路由
├── workflow/ # agent/parallel/pipeline 工作流引擎
├── cron/ # Cron 调度器
└── mcp/ # MCP 客户端 (stdio + JSON-RPC)
MIT
北冥有鱼,其名为鲲。鲲之大,不知其几千里也。化而为鳥,其名为鹏。 —《庄子·逍遥游》




